pengetahuan teknologi sistem cerdas

  Pengetahuan Teknologi Sistem Cerdas#

POKOK BAHASAN : PENGENALAN INTELEGENSI BUATAN 

 1.1  Pengertian Intelegensi Buatan     

          

         Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan mengikuti/mencontoh karakteristik dan analogi berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang dikenal oleh komputer. 

  1.2 Intelegensi Buatan dan Intelegensi Alami

           Perbedaan antara kecerdasan buatan dengan kecerdasan alami adalah kecerdasan buatan lebih bersifat permanen, sedangkan kecerdasan alami dapat berubah (hal ini karena sifat manusia yang pelupa). Kecerdasan buatan lebih mudah disalin dan dipindah daripada kecerdasan alami. Menyediakan layanan computer lebih mudah dan murah daripada mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam waktu yang sangat lama. Kecerdasan buatan bersifat konsisten karena merupakan bagian dari teknologi computer, sedangkan kecerdasan alami dapat berubah-ubah.

Keputusan yang dibuat dalam kecerdasan buatan dapat didokumentasi dengan mudah dengan cara melacak tiap aktifitas dari sistem tersebut, sedangkan kecerdasan alami sulit direproduksi. Kecerdasan buatan lebih cepat dan lebih baik daripada kecerdasan buatan.

1.3 Komputasi Intelegensi Buatan dan Komputasi Konvensional

       

         Komputasi Kecerdasan Buatan VS Komputasi Konvensional

Dimensi Intelegensi Buatan Pemrograman Konvensional

Pemrosesan Mengandung konsep-konsep simbolik Algoritmik

Sifat Input Bisa tidak lengkap Harus Lengkap

Pencarian Kebanyakan bersifat heuristik Biasanya didasarkan pada algoritma

Keterangan Keterangan disediakan Biasanya tidak disediakan

Fokus Pengetahuan Data & Informasi

Struktur Kontrol dipisahkan dari pengetahuan Kontrol terintegrasi dengan informasi (data)

Sifat Output Sifat output Kuantitatif Kualitatif

Pemeliharaan & update Relatif murah Sulit

Kemampuan menalar Ya Tidak

1.4 Sejarah Intelegensi Buatan

        Teori-teori yang mengarah ke KB sudah muncul sejak tahun 1941. Berikut ini tahap-tahap sejarah perkembangan KB :

A. Era Komputer Elektronik (1941)

• Ditemukannya pertama kali alat penyim-panan dan pemprosesan informasi yang disebut komputer elektronik. Penemuan ini menjadi dasar pengembangan program yang mengarah ke KB.

B. Masa Persiapan KB (1943 – 1956)

• Tahun 1943, Warren McCulloch dan Walter Pitts 

mengemukakan tiga hal, yaitu :

a.  pengetahuan fisiologi dasar dan fungsi sel syaraf

dalam otak

b.  analisis formal tentang logika proposisi (propositional logic)

c .teori komputasi Turing

• Tahun 1950, Norbert Wiener membuat penelitian mengenai prinsip-prinsip teori feedback. Contoh yang terkenal adalah thermostat. Penemuan ini juga merupakan awal dari perkembangan KB.
• Tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang Automata, Jaringan Syaraf dan pembelajaran intelijensia. 

Mereka kerjakan projek ini selama dua tahun di Dartmouth. Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah pemikiran yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy disebut sebagai ”Bapak Kecerdasan Buatan”.

1.5 Lingkup Intelegensi Buatan

        Ruang Lingkup Kecerdasan Buatan Dalam kehidupan manusia sehari-hari, kecerdasan buatan dapat membantu dalam berbagai bidang sebagai berikut :

1.Bidang komunikasi : Komputer dapat menuliskan secara otomatis apa yang  diucapkan pengguna.

2.  Bidang Kesehatan : USG untuk mengetahui kondisi janin yang ada di dalam kandungan ibu hamil,  Sistem pakar untuk mendiagnosa suatu penyakit, untuk melakukan stimulasi atau treatment pada pasien.

3. Bidang Lalu Lintas Udara : komputer digunakan untuk mengatur signal lalu l;intas penerbangan diudara, memantau radar.

4. Bidang Pertanian: komputer digunakan untuk mengontrol mesin panen secara otomatis, penyiraman tanaman otomatis dengan jangka waktu yg telah ditentukan oleh user, mesin pembasmi hama secara otomatis.

5.  Pabrik : mengontrol robot yang harus melakukan pekerjaan yang berbahaya jika dilakukan oleh manusia, pekerjaan yang sangat membosankan, memerlukan ketelitian tinggi, pengawasan dan maintenance.

 1.6 Soft Computing

  

          Menurut Lotfi A. Zadeh (1992), soft computing adalah koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan (imprecision), ketidakpastian (uncertainity), kebenaran parsial (partial truth), dan pendekatan untuk mencapai tractability, ketahanan (robustness) dan biaya penyelesaian murah.

Soft computing merupakan inovasi baru dalam membangun sistem cerdas. Sistem cerdas ini merupakan sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan.

1.7 Definisi Masalah dan Ruang Masalah

        Masalah dalam kecerdasan buatan adalah masalah yang dapat dikonversi kedalam ruang keadaan (mempunyai keadaan awal dan keadaan tujuan) menggunakansekumpulanaturantertentu.

Ruang keadaan (State Space) yaitu suatu ruang yang berisi semua keadaan yang mungkin.Sehingga untuk mendeskripsikan masalah yang baik, harus :

1.  Mendefinisikan suatu ruang keadaan

2.   Menetapkan satu atau lebih keadaan awal

3.    Menetapkan satu atau lebih tujuan

4.     Menetapkan kumpulan aturan

Metode pencarian dan pelacakan

Terdiri dari 2 metode yaitu :

1.   Pencarian Buta

Dalam pencarian buta ini ada 2 metode yang perlu diketahui yaitu :

a.   Breadth-First Search (Pencarian Melebar Pertama)

Breadth-first search (BFS) melakukan proses searching pada semua node yang berada pada level atau hirarki yang sama terlebih dahulu sebelum melanjutkan proses searching pada node di level berikutnya.

b.   Depth-First Search (Pencarian Mendalam Pertama)

Pencarian yang dilakukan pada semua anaknya sebelum dilakukan pencarianke node-node yang selevel.Pencarian dimulai dari node akar ke level yang lebih tinggi. Proses ini diulangi terus hingga ditemukan solusinya.

2.    Pencarian Heuristik

Masalah =>Tidakpunyauang

|

RuangKeadaan =>Kondisiawal : uang = 0/nil

|           Aturan : kerja, minta-minta, ngutang

|           Kondisiakhir : uang>=100

Pencarian =>aturan : kerja, minta-minta, ngutang

kondisiakhir : uang>=100

optimalkan

Pokok Bahasan : Pengenalan Intelligent Agents

2.1 Agen dan Lingkungan

    Agen adalah  Sebuah fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia untuk program, menjalankan program, dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan, Sedangkan hubungannya dengan Lingkungan yaitu  Sifat hubungan antara mereka adalah sama: tindakan yang dilakukan oleh agen pada lingkungan, yang pada gilirannya memberikan persepsi kepada agen. Pertama, kita akan menjelaskan berbagai jenis lingkungan dan bagaimana mereka mempengaruhi desain agen. Kemudian kita akan menjelaskan program-program lingkungan yang dapat digunakan sebagai testbeds untuk program agen.

Sifat-sifat environments :

·         Accessible vs. inaccessible.

·         Deterministic vs. nondeterministic.

·         Episodic vs. nonepisodic.

·         Static vs. dynamic.

·         Discrete vs. continuous.

2.2 Rasionalitas 

        Tindakan, keyakinan, atau keinginan rasional jika kita harus memilih. Rasionalitas merupakan konsep normatif yang mengacu pada kesesuaian keyakinan seseorang dengan seseorang alasan untuk percaya, atau tindakan seseorang dengan alasan seseorang untuk bertindak. Namun, istilah “rasionalitas” cenderung digunakan secara berbeda dalam berbagai disiplin ilmu, termasuk diskusi spesifik ekonomi,sosiologi, psikologi, biologi evolusioner dan ilmu politik.

2.3 PEAS (Performance Measure,Environment, Actuators, Sensors)

       P (Performance measure) : Komponen keberhasilan/ tujuan/ target agent

       E (Environment) : Kondisi sekitar lingkungan agent

       A (Actuators) : Segala sesuatu yang dilakukan agent

       S (Sensors) : Segala sesuatu yang menjadi input agent

2.4 Tipe-Tipe Lingkungan Agen 

1.Simple Reflex Agent

Merupakan agent yang bekerja berdasarkan reflex. Contohnya, sebuah driver agent(supir taxi otomatis), harus memberikan reflex mengerem ketika terdapat mobil yang berhenti didepanya.

2. Agent That Keep Track the World

Merupakan agent yang tetap melakukan pengecekan terhadap keadaan lingkungan, sehingga dapat memberikan respon yang tepat.

3. Goal based agent(Agent berbesis pada tujuan/sasaran)

Merupakan sebuah agent yang mendasarkan setiap tindakannya untuk mencapai tujuan yang telah ditentukan. Setiap agent akan mempertimbangkan setiap kemungkinan yang akan terjadi pada mesa depan berdasarkan tindakan yang akan/telah dilakukanya.

4. Utility Based Agent

Merupakan sebuah fungsi yang memetakan suatu keadaan kedalam bilangan real, yang menggambarkan derajak kesenangan/kepuasan. Sedikit berbeda dengan Goal Based Agent, tipe ini tidak mengutamakan semua tujua, tetapi akan mengutamakan tujuan mana yang mungkin tercapai berdasarkan kondisi tertentu(tujuan kepuasan, kenyamanan, keefisienan).

2.5 Tipe-Tipe Agent

 Agen (Media Sosialisasi)

1. Keluarga 
2. Kelompok Sebaya(Teman Sepermainan)
3. Lembaga Pendidika Formal
4. Lingkungan Kerja
5. Media Massa
6. Agen Lain lain

Pokok Bahasan :Pengenalan Logical Agent

 3.1 Knowledge- Based Agents

       Logic merupakan hal terpenting dalam pengoperasion komputer supaya komputer teopesaikan dengan baik oleh penggunannya dan juga bisa berfikir dengan menggunakan logika. 

Komponen utama dari knowledge based agent adalah knowledge basenya. Knowledge base (KB) adalah kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan atau menjadi daerah bekerjanya agen. Setiap representasi dalam KB disebut sebagai sebuah sentence yang diekspresikan dalam sebuah bahasa yakni knowledge representation language

1  Representasi Pengetahuan yang bersifat general.

2  Kemampuan beradaptasi sesuai temuan fakta.

3  Kemampuan menyimpulkan sesuatu dari pengetahuan yang sudah ada

       

3.2 Wumpus World

Berbagai "dunia" yang digunakan sebagai contoh untuk Representasi Pengetahuan, Penalaran, dan Perencanaan. Di antara mereka Vacuum Dunia, Blok Dunia, dan Wumpus Dunia. Kami akan memeriksa Wumpus Dunia dan dalam konteks ini memperkenalkan Kalkulus Situasi, Frame Soal, dan berbagai aksioma. Wumpus Dunia diperkenalkan oleh Genesereth, dan dibahas di Russell-Norvig. Wumpus World adalah dunia sederhana (seperti Blok Dunia) yang mewakili pengetahuan dan untuk alasan. 

3.3 Logic in general - models and entailment

konsekuensi logis (juga entailment) adalah salah satu konsep yang paling mendasar dalam logika. Ini adalah hubungan antara pernyataan yang berlaku ketika salah satu secara logis berikut dari satu atau lebih orang lain. Sebuah argumenyang logis yang valid adalah satu di mana kesimpulan mengikuti dari tempat yang, dan kesimpulannya merupakan konsekuensi dari bangunan. Analisis filosofis konsekuensi logis melibatkan bertanya, 'dalam arti apa yang kesimpulan mengikuti dari propertinya?' dan 'apa artinya bagi kesimpulan untuk menjadi konsekuensi dari tempat?  Semua logika filosofis dapat dianggap sebagai menyediakan rekening sifat konsekuensi logis, serta kebenaran logis

Pokok Bahasan : Metode Pencarian dan Pelacakan I

4.1 Metode Pencarian Buta (Blind Search) :

4.1.1 Breadth First Search

         Pencarian melebar pertama dilakukan dengan melakukan pencarian dengan cara mencari yang dilakukan dengan cara melebar dari node pertama hingga berlanjut kepada node di level selanjutnya. Dimulai pada node n, dan dilanjutkan n+1. Pencarian akan terus dilakukan dari akar kiri ke kanan hingga hasil ditemukan.

4.1.2Depth Search First

    Pencarian metode ini melakukan pencarian pada semua node "anaknya" sebelum dilakukan pencarian ke node-node lain yang selevel. Pencarian dimulai dari node akar ke level yang lebih tinggi, dan proses terus diulang hingga solusi ditemukan. Keuntungan dari metode ini adalah menggunakan memori yang relatif kecil, dan jika pencarian tepat, akan menemukan solusi tanpa harus menguji lebih banyak node. Namun, metode ini tetap memiliki kelemahan, yaitu memungkinkan hasil tidak ditemukan, dan setiap 1 kali pencarian hanya akan menghasilkan satu solusi.

4.2 Metode Pencarian Heuristik

4.2.1 Generate And Test

         Ini adalah gabungan dari pencarian depth first dengan pelacakan mundur. Nilai dari pengujian ini berupa "ya" atau "tidak". Pencarian ini memiliki beberapa algoritma, yaitu :

1. Bangkitkan suatu kemungkinan solusi (membangkitkan suatu titik tertentu atau lintasan tertendu dari keadaan awal).
2. Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengancara membandingkan node tersebut atau node akhir dari suatu lintasan yang dipilih merupakan tujuan yang diharapkan.

Kelemahan dari generate and test adalah perlunya membangkitkan semua kemungkinan sebelum dilakukan pengujian, serta membutuhkan waktu yang cukup lama dalam pencarian.

4.2.2 Hill Climbing

Metode ini hampir sama dengan generate and test, perbedaannya ada pada feedback dari prosedur test untuk pembangkitan keadaan berikutnya. Tes yang dilakukan berupa fungsi heuristik akan menunjukkan seberapa baik nilai terkaan yang diambil terhadap keadaan lain yang memungkinkan

sumber : Di dapatkan dari berbagai sumber dan terimakasih untuk semuanya.